深度指南
SLA 违约与停机损失模拟器：一次故障在赔付抵扣金之外的代价
行业管理层分析
服务等级协议承诺可用性，而签署它的客户也期望如此。当承诺被打破时，最显眼的后果就是赔付抵扣金：把月费的一定比例退还给客户。企业往往为赔付抵扣金做了预算，就认为风险已经覆盖。实际上，赔付抵扣金通常是一次故障成本中最小的部分。更大的成本随后才到来：客户取消订阅、交易停滞，以及工程团队花数天时间修复而不是开发。
这个问题的结构有两个时钟。第一个是合同：SLA 允许一定分钟数的停机，超出的部分会触发赔付抵扣金，通常按档次计算。第二个是客户关系，它没有阈值。每停机一小时，无论合同是否被违反，都会稍微侵蚀一点信任。一家公司可以保持在 SLA 之内却仍然流失客户，也可以只违约几分钟却没有流失任何客户。模型把这两个时钟分开处理。
多米诺模型沿着一次故障在企业中的传导展开。停机分钟数与容许额度比较，超出时产生赔付抵扣金。故障越长，客户流失越多，以此后几个月里离开的经常性收入比例来衡量。这一损失，连同损失的用量收入和故障处理工作，占去了正常利润的一部分，最后一个框显示剩下的部分。这种影响是非线性的，因为一次长时间的故障可能跨入严重违约档，使赔付抵扣金翻倍，同时引发更多的客户流失。
冰山图展示了钱去了哪里。可见的是故障期间未能赚取的用量收入和已经支付的赔付抵扣金。水面之下，是因客户离开而损失的未来收入、被卷入故障和事后复盘的人员的人力，以及在潜在客户听到问题时放缓的新销售。这几项往往都超过赔付抵扣金。请用模拟器查看您的企业能承受多长时间的故障，以及在您的收入规模下，可靠性工作值多少钱。
公式与方法论蓝图
该模型是单个月份。停机时间以分钟输入，并与 SLA 容许额度比较。如果停机在容许额度之内，则没有赔付。如果超出容许额度，则赔付为 MRR 的赔付比例，当停机超过容许额度的三倍时翻倍。损失的用量收入等于 MRR 中按用量计费的占比每小时所赚取的收入，乘以停机小时数。客户流失按每小时停机对应的风险收入占比计算，在六个月的期限内，按营业利润率折算。
- 赔付档次
- 档次 = 0 若 D ≤ A，1 若 D ≤ 3A，否则 2
- SLA 是被满足、被违反，还是被严重违反。
- SLA 赔付抵扣金
- 赔付 = MRR × 赔付比例 × 档次
- 因违约而退还给客户的钱。
- 损失的用量
- U = MRR × 用量占比 ÷ 730 h × 停机小时数
- 服务停机期间无法赚取的按用量计费的收入。
- 客户流失损失
- C = MRR × min(1, 小时数 × 每小时流失) × 6 个月 × 65% 利润率
- 故障后离开或降级的客户所带来的未来利润损失。
- 净利润
- 净额 = 65% × MRR − U − 赔付 − 人力 − C − 销售拖累
- 月度结果。临界点就是它达到零的位置。
层层传导的弹性
停机时间是弹性最大的输入，因为每一个小时都会增加用量损失、人力、客户流失和销售拖累，并可能跨过赔付档次。每小时的客户流失是下一个最强的杠杆，因为它会在数月内放大 MRR。赔付比例只有在容许额度被突破之后才起作用。
三个真实案例研究
白手起家的初创者
容许额度宽松的年轻 SaaS
一款小产品的 MRR 不高，SLA 宽松，允许每月停机数小时。一小时的停机仍在容许额度之内。加载这个案例，可以看到宽松的合同可以防止赔付抵扣金，却无法防止信任的丧失。
处于扩张期的中型市场企业
可靠性严格的大型平台
一个 MRR 很高的平台，把停机时间控制在几分钟，对照严格的容许额度。一次短暂的故障在赔付抵扣金上花费不多，不过收入规模很大。加载这个案例，可以看到为什么可靠性投入在规模化之后会有回报。
黑天鹅危机
严格 SLA 下的长时间故障
一家 SLA 严格的企业遭遇了持续一整天的故障。赔付档次翻倍，用量收入中断，值班团队连续工作数天，客户纷纷取消。加载这个案例，可以看到赔付抵扣金只是损失的一小部分。
行业基准矩阵
| 指标 | 危险区 | 行业平均 | 前 10% 的佼佼者 |
|---|---|---|---|
| 99.9% SLA 的每月停机时间 | 高于44分钟 | 10–30分钟 | 低于5分钟 |
| 平均恢复时间 | 超过2小时 | 30–60分钟 | 低于15分钟 |
| 违约赔付比例（占月费的比例） | 50%或以上且无上限 | 10–25% | 有上限，分档5–25% |
| 一次故障的成本与应付赔付抵扣金之比 | 把赔付抵扣金当作全部成本 | 总成本为赔付抵扣金的3–5倍 | 按每次故障跟踪完整成本 |
| 故障期间的客户沟通 | 没有或延迟 | 状态页面，每小时更新 | 主动通知并附事后复盘 |
变量与杠杆
月度经常性收入
每月开票的经常性收入，SLA 赔付抵扣金和客户流失都以它为基准衡量。
杠杆: MRR 越大，每次故障就越昂贵，所以要让可靠性工作随收入同步扩大，而不是落在收入后面。
本月停机时间（分钟）
服务不可用或降级到低于 SLA 定义的总分钟数。
杠杆: 先解决停机的最大原因，通常是部署和依赖项，并增加自动故障切换和回滚。
SLA 允许的停机时间（分钟）
合同允许您每月停机多少分钟，超出后才需赔付抵扣金。约44分钟相当于99.9%的可用率。
杠杆: 只承诺您已测量过的水平：比您的历史记录所能支持的更严格的容许额度，会把正常的故障变成赔付抵扣金。
违约赔付比例
SLA 被违反时，以月费的多大比例抵扣给客户。严重违约时翻倍。
杠杆: 把赔付抵扣金限制在月费的某个明确比例内，并让申领成为有文件记录的流程，同时不超出您的合同和当地规定所允许的范围。
每小时停机的收入流失
在随后的月份里，每停机一小时就会取消或降级的 MRR 比例。
杠杆: 在故障期间迅速沟通，使用状态页面并如实更新，因为信任的丧失比故障本身更能推动客户流失。
按用量计费的收入占比
按使用小时或按交易赚取的收入占比，在服务停机期间根本无法赚到。
杠杆: 在可能的情况下，按承诺的容量或订阅计费，这样停机就不会让故障期间的收入归零。
如何使用本模拟器
- 1从“现实”预设开始，或输入您的 MRR、上个月的停机时间和您的 SLA 容许额度。
- 2查看五个多米诺框，看看是赔付抵扣金还是客户流失先变红。
- 3点击“找出我的临界点”，查看会抹去当月利润的故障时长。
- 4在24个月的图表上，将当前方案与可靠性方案进行比较。
- 5记录每次故障及其真实成本，并在下次续约之前重新审视您的 SLA 条款。
应避免的错误
- 把 SLA 赔付抵扣金当作一次故障的成本，而忽略客户流失、人力和推迟的销售。
- 在没有测量服务当前实际表现的情况下，就承诺某个可用性水平。
- 只统计完全中断，而降级的性能同样会让客户沮丧，并可能违反 SLA 的定义。
- 跳过事后复盘和客户沟通，而它们恰恰是故障之后降低客户流失最便宜的方式。
常见问题
99.9% 允许多少分钟的停机？
在平均的一个月里约为43到44分钟，每年约8.8小时。99.99% 则允许每月大约四分钟。请查看您的合同如何定义和衡量可用性。
SLA 赔付抵扣金是一次故障的主要成本吗？
通常不是。赔付抵扣金是可见且有上限的，而客户流失、推迟的销售和工程时间更大，也更难看见。模型把它们分开计算，方便您比较。
我应该如何设定每小时的客户流失？
查看过去故障之后几个月里的取消和降级情况，再除以停机小时数。如果没有历史记录，可以从低值开始并测试敏感度。
我应该承诺更严格的 SLA 吗？
只有在您实测的可用率能够支持，并且价格足以支付所需的可靠性工作时才应如此。一个您无法兑现的承诺就是一项负债。
如何找到使一个月亏钱的故障时长？
点击“找出我的临界点”。该工具会把每个输入向更差的一端移动，并报告使月利润归零的数值。
这有多准确？
这是一个带有明确假设的教学模型，不构成法律、合同或财务建议。请查看您自己协议的条款，并用您自己的数据替换输入。
这是一个带有明确假设的教育性规划模型，不构成财务、税务或法律建议。请将输入替换为您自己的数据，并就重要决策咨询合格的专业人士。